Depuis plusieurs années, évoquer Tesla et ses semi-conducteurs propriétaires revenait principalement à parler de Dojo: un superordinateur interne conçu pour entraîner des modèles utilisant les données de sa conduite assistée et ses ambitions robotiques. Mais ces derniers mois, le récit s’est recentré sur un autre élément clé : la famille de puces IA de Tesla (AI5, AI6 et les générations suivantes), que la société souhaite standardiser pour ses voitures, robots et centres de données. Dans cette transition, le géant Elon Musk agit sur deux fronts : accélérer le processus de conception et réviser la chaîne d’approvisionnement.

Le point d’orgue de cette évolution a été une déclaration directe de Musk : « Résoudre AI5 était une question d’existence » pour Tesla. Cela ne doit pas être pris à la légère : cette phrase sous-entend qu’en l’absence de cette avancée technologique, le reste de la stratégie en intelligence artificielle — de l’autonomie à l’entraînement massif — serait en suspens. À partir de là, Musk a tracé une feuille de route visant un cycle de conception d’environ neuf mois pour les prochaines générations (AI6, AI7, AI8, AI9), un rythme destiné à réduire l’écart avec la cadence annuelle typique des grands acteurs du calcul accéléré.

De « tout avec TSMC » à un modèle multicouches

Au-delà du calendrier, une autre grande question concerne la fabrication et l’intégration de ce silicium. Lors de ses premières itérations, Dojo s’est associé à une stratégie précise : modules géants composés de 25 puces D1 intégrées dans une « training tile », une approche liée aux techniques avancées d’empilement System-on-Wafer visant à interconnecter plusieurs dies dans un ensemble de grande taille. Ce type d’intégration offre des avantages évidents pour l’entraînement : bande passante interne très élevée, architecture conçue pour une scalabilité compacte. Mais il présente aussi des inconvénients : complexité industrielle, dépendance à des capacités spécifiques et processus de fabrication difficilement compatible avec des volumes « automobile », où l’on compte des millions d’unités.

Dans ce contexte, certains rapports évoquent une rupture avec le modèle traditionnel « un seul partenaire fait tout ». La tendance serait plutôt à un modèle bifurqué pour Dojo 3, où Samsung Foundry assurerait la fabrication (front-end) tandis que Intel prendrait en charge l’emballage avancé (back-end) pour constituer des modules. Si cette stratégie se confirme, elle serait significative à deux titres : d’un point de vue technique, avec des modules de grande taille et une interconnexion avancée, et d’un point de vue géostratégique, en diversifiant la chaîne d’approvisionnement et en négociant la capacité dans un marché de nœuds de pointe sous tension.

Samsung, Intel et la bataille pour l’empaquetage : EMIB comme levier stratégique

Le packaging devient de plus en plus un facteur déterminant pour la compétitivité d’un chip. Ici apparaît la technologie EMIB d’Intel : une solution 2,5D basée sur des « ponts » en silicium intégrés dans le substrat, permettant de connecter plusieurs dies sans recourir à un interposeur complet de grande taille. En théorie, cette approche offre une plus grande flexibilité pour assembler des chiplets, réduit certaines contraintes géométriques et facilite la conception de modules évolutifs par blocs.

Pour Tesla, l’intérêt d’un packaging modulaire est évident : si le but est que un même silicium puisse servir pour voiture (quelques puces), robotiques (configurations proches) et serveurs (de nombreux chips), il faut que l’architecture puisse pouvoir évoluer de façon industrialisable. Cela ne supprime pas certains défis — rendements, dissipation thermique, interconnexion, fiabilité — mais modifie l’approche : on passe d’une vision « exotique » de wafer complet à une logique de modules répétables.

AI6 et contrat de plusieurs milliards : renforcer la capacité et la souveraineté industrielle aux États-Unis

En parallèle de Dojo, Tesla a clairement annoncé ses ambitions avec AI6. Samsung a révélé un vaste accord de fabrication, et Musk a publiquement associé ce contrat à Tesla : une usine de Samsung à Texas (Taylor) serait en charge de produire le chip AI6. La documentation publique évoque un volume d’environ 22,76 billions de wons (soit environ 16,5 milliards de dollars), ce qui donne la mesure de l’ampleur du projet : il ne s’agit pas d’un simple essai, mais d’une plateforme de capacité à grande échelle pour déployer cette technologie dans plusieurs gammes de produits.

Le message implicite est double : d’une part, garantir le approvisionnement dans un contexte où la demande pour des nœuds avancés et des emballages de pointe crée un goulot d’étranglement mondial ; d’autre part, renforcer la production en États-Unis, aligné avec une tendance plus globale à rapatrier et favoriser l’industrie locale à travers des incitations et des principaux clients locaux.

TSMC, Samsung, et la transition : une évolution nuancée plutôt qu’un coup d’arrêt

Malgré certains titres évoquant une rupture totale, les informations disponibles suggèrent une stratégie plus équilibrée. Musk a évoqué à plusieurs reprises une stratégie de double fournisseur pour certaines générations, combinant Samsung et TSMC selon le type de puce et le calendrier. En réalité, le marché perçoit AI5/AI6 comme une étape où Tesla cherche à maximiser ses options : performance, coût, capacité et gestion des risques.

Ce contexte est essentiel pour comprendre la logique d’affaires : une dépendance exclusive pourrait être efficace en période de stabilité, mais s’avère risquée dans un environnement de développement à cycle court. Avec une démarche d’itération rapide, tout retard — en rendement, montée en cadence, packaging, validation — pourrait compromettre un lancement.

Dojo 3 repasse par la case départ : de projet « en pause » à composante clef de l’écosystème interne

La vision autour de Dojo a également évolué. En 2025, des informations indiquaient que Tesla « réorganisait » ses efforts sur Dojo, privilégiant le recours à des fournisseurs externes pour l’entraînement tout en consolidant ses propres puces. Mais début 2026, Musk a laissé entendre que Tesla reprenait le développement de Dojo 3. En résumé : Dojo n’a pas disparu, il change simplement de rôle. Moins projet isolé, plus pièce intégrée d’un écosystème dans lequel le silicium interne (AI5/AI6 et successeurs) doit pouvoir évoluer de l’automobile vers les centres de données.

Le projet final s’apparente à une intégration verticale poussée : Tesla conçoit le circuit, définit son emballage et orchestre son déploiement dans la voiture, la robotique et le cloud. Une démarche coûteuse, complexe, aux risques techniques significatifs, mais cohérente avec la vision de Musk : ne pas dépendre de l’agenda de NVIDIA, AMD ou autres, surtout lorsque la stratégie s’oriente vers l’intelligence artificielle appliquée.

Questions fréquentes

Quelles sont les fonctions des chips AI5 et AI6 de Tesla ?

Ce sont des processeurs conçus par Tesla pour accélérer les tâches d’intelligence artificielle dans ses produits, notamment pour la conduite assistée, la robotique humanoïde, ainsi que l’infrastructure de formation et de calcul sur serveurs à grande échelle.

Pourquoi le packaging avancé (System-on-Wafer, EMIB) est-il crucial pour Dojo ?

Car il détermine comment plusieurs puces sont connectées pour fonctionner comme un système unique de grande taille. Dans l’entraînement de modèles, l’interconnexion et la bande passante entre dies influent directement sur la performance et l’efficacité énergétique globale.

Tesla abandonne-t-elle TSMC au profit de Samsung et Intel ?

Les informations disponibles pointent plutôt vers une diversification stratégique, où Tesla adapte ses fournisseurs selon la génération, la capacité requise et les besoins en emballage. Cela permet de réduire la dépendance à un seul fournisseur, tout en maintenant une flexibilité essentielle dans un contexte technologique en rapide évolution.

Un cycle de 9 mois pour la conception de puces est-il réaliste ?

C’est une ambition très élevée. Tesla vise à accélérer ses cycles de conception, mais la faisabilité dépend de nombreux facteurs : complexité du nœud, vérifications, rendements, outils EDA, disponibilité des solutions d’emballage et de test à grande échelle.

Source : Jukan X